python中numpy包使用教程之?dāng)?shù)組和相關(guān)操作詳解

大家應(yīng)該都有所了解，下面就簡(jiǎn)單介紹下Numpy，NumPy(Numerical Python)是一個(gè)用于科學(xué)計(jì)算第三方的Python包。

NumPy提供了許多高級(jí)的數(shù)值編程工具，如：矩陣數(shù)據(jù)類(lèi)型、矢量處理，以及精密的運(yùn)算庫(kù)。專(zhuān)為進(jìn)行嚴(yán)格的數(shù)字處理而產(chǎn)生。下面本文將詳細(xì)介紹關(guān)于python中numpy包使用教程之?dāng)?shù)組和相關(guān)操作的相關(guān)內(nèi)容，下面話(huà)不多說(shuō)，來(lái)一起看看詳細(xì)的介紹：

一、數(shù)組簡(jiǎn)介

Numpy中，最重要的數(shù)據(jù)結(jié)構(gòu)是：多維數(shù)組類(lèi)型（numpy.ndarray）

ndarray由兩部分組成：
    實(shí)際所持有的數(shù)據(jù)；
    描述這些數(shù)據(jù)的元數(shù)據(jù)（metadata）

數(shù)組（即矩陣）的維度被稱(chēng)為axes，維數(shù)稱(chēng)為rank

ndarray 的重要屬性包括:
    ndarray.ndim：數(shù)組的維數(shù)，也稱(chēng)為rank
    ndarray.shape：數(shù)組各維的大小，對(duì)一個(gè)n行m列的矩陣來(lái)說(shuō)， shape 為 (n,m)
    ndarray.size：元素的總數(shù)。
    ndarray.dtype：每個(gè)元素的類(lèi)型，可以是numpy.int32, numpy.int16, and numpy.float64等
    ndarray.itemsize：每個(gè)元素占用的字節(jié)數(shù)。
    ndarray.data：指向數(shù)據(jù)內(nèi)存。

二、數(shù)組的使用

使用numpy前要先導(dǎo)入模塊，使用下面的語(yǔ)句導(dǎo)入模塊：   

improt numpy as np #其中np為numpy的別名，是一種習(xí)慣用法

1.使用array方法生成數(shù)組

array，也就是數(shù)組，是numpy中最基礎(chǔ)的數(shù)據(jù)結(jié)構(gòu)，最關(guān)鍵的屬性是維度和元素類(lèi)型，在numpy中，可以非常方便地創(chuàng)建各種不同類(lèi)型的多維數(shù)組，并且執(zhí)行一些基本基本操作，生成數(shù)組的方法有一下幾種：
以list或tuple變量產(chǎn)生以為數(shù)組：    
>>> print np.array([1,2,3,4])
[1 2 3 4]
>>> print np.array((1.2,2,3,4))
[ 1.2 2. 3. 4. ]

以list或tuple變量為元素產(chǎn)生二維數(shù)組或者多維數(shù)組：    
>>> x = np.array(((1,2,3),(4,5,6)))
>>> x
array([[1, 2, 3],
 [4, 5, 6]])
>>> y = np.array([[1,2,3],[4,5,6]])
>>> y
array([[1, 2, 3],
 [4, 5, 6]])

2.使用numpy.arange方法生成數(shù)組
    
>>> print np.arange(15)
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14]
>>> print type(np.arange(15))
<type 'numpy.ndarray'>

3.使用內(nèi)置函數(shù)生成特殊矩陣（數(shù)組）

零矩陣    
>>> print np.zeros((3,4))
[[ 0. 0. 0. 0.]
 [ 0. 0. 0. 0.]
 [ 0. 0. 0. 0.]]

一矩陣    
>>> print np.ones((3,4))
[[ 1. 1. 1. 1.]
 [1. 1. 1. 1.]
 [ 1. 1. 1. 1.]]

單位矩陣    
>>> print np.eye(3)
[[ 1. 0. 0.]
 [0. 1. 0.]
 [ 0. 0. 1.]]

4.索引與切片
    
>>> x = np.array(((1,2,3),(4,5,6)))
>>> x[1,2] #獲取第二行第三列的數(shù)
6    
>>> y=x[:,1] #獲取第二列
>>> y
array([2, 5])

與python語(yǔ)法一致，不再舉例。

5.獲取數(shù)組屬性    
>>> a = np.zeros((2,2,2))
>>> print a.ndim #數(shù)組的維數(shù)
3
>>> print a.shape #數(shù)組每一維的大小
(2, 2, 2)
>>> print a.size #數(shù)組的元素?cái)?shù)
8
>>> print a.dtype #元素類(lèi)型
float64
>>> print a.itemsize #每個(gè)元素所占的字節(jié)數(shù)
8

6.數(shù)組變換

多維轉(zhuǎn)換為一維：    
>>> x
array([[1, 2, 3],
  [4, 5, 6]])
>>> x.flatten()
array([1, 2, 3, 4, 5, 6])

一維轉(zhuǎn)換為多維：    
>>> print np.arange(15).reshape(3,5) #改變形狀，將一維的改成三行五列
[[ 0 1 2 3 4]
 [ 5 6 7 8 9]
 [10 11 12 13 14]]

轉(zhuǎn)置：
    
>>> x
array([[1, 2, 3],
  [4, 5, 6]])
>>> x.transpose()
array([[1, 4],
  [2, 5],
  [3, 6]])

7.數(shù)組組合

水平組合：
    
>>> y=x
>>> numpy.hstack((x,y))
array([[1, 2, 3, 1, 2, 3],
  [4, 5, 6, 4, 5, 6]]

垂直組合    
>>> numpy.vstack((x,y))
array([[1, 2, 3],
  [4, 5, 6],
  [1, 2, 3],
  [4, 5, 6]])

用concatenate函數(shù)可以同時(shí)實(shí)現(xiàn)這兩種方式，通過(guò)指定axis參數(shù)，默認(rèn)為0，垂直組合。    
>>> numpy.concatenate((x,y))
array([[1, 2, 3],
  [4, 5, 6],
  [1, 2, 3],
  [4, 5, 6]])
>>> numpy.concatenate((x,y),axis=1)
array([[1, 2, 3, 1, 2, 3],
  [4, 5, 6, 4, 5, 6]])

8.數(shù)組分割

垂直分割    
>>> z
array([[1, 2, 3],
  [4, 5, 6],
  [1, 2, 3],
  [4, 5, 6]])
>>> numpy.vsplit(z,2) #注意這里設(shè)置的分割數(shù)目必須可以被行數(shù)整除
[array([[1, 2, 3],
  [4, 5, 6]]), array([[1, 2, 3],
  [4, 5, 6]])]

水平分割
    
>>> numpy.hsplit(z,3)
[array([[1],
  [4],
  [1],
  [4]]), array([[2],
  [5],
  [2],
  [5]]), array([[3],
  [6],
  [3],
  [6]])]

用split函數(shù)可以同時(shí)實(shí)現(xiàn)這兩個(gè)效果，通過(guò)設(shè)置其axis參數(shù)區(qū)別，與組合類(lèi)似，這里不在演示。

三、矩陣

通過(guò)上面對(duì)數(shù)組的操作可以知道，numpy中可以通過(guò)數(shù)組模擬矩陣，但是numpy也有專(zhuān)門(mén)處理矩陣的數(shù)據(jù)結(jié)構(gòu)——matrix。
1.生成矩陣    
>>> numpy.mat('1 2 3;4 5 6;7 8 9')
matrix([[1, 2, 3],
  [4, 5, 6],
  [7, 8, 9]])

2.數(shù)組矩陣轉(zhuǎn)化

矩陣轉(zhuǎn)數(shù)組    
>>> m=numpy.mat('1 2 3;4 5 6;7 8 9')
>>> numpy.array(m)
array([[1, 2, 3],
  [4, 5, 6],
  [7, 8, 9]])

數(shù)組轉(zhuǎn)矩陣
    
>>> n=numpy.array(m)
>>> numpy.mat(n)
matrix([[1, 2, 3],
  [4, 5, 6],
  [7, 8, 9]])

3.矩陣方法

求逆：    
>>> m.I
matrix([[ -4.50359963e+15, 9.00719925e+15, -4.50359963e+15],
  [ 9.00719925e+15, -1.80143985e+16, 9.00719925e+15],
  [ -4.50359963e+15, 9.00719925e+15, -4.50359963e+15]])

總結(jié)

以上就是這篇文章的全部?jī)?nèi)容了，希望本文的內(nèi)容對(duì)大家的學(xué)習(xí)或者工作能帶來(lái)一定的幫助